基于lbv变换与小波变换的oli图像融合方法

《基于lbv变换与小波变换的oli图像融合方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2014年11月农业机械学报第45卷第11期doi:10．6041/j．issn．1000-1298．2014．11．041*基于LBV变换与小波变换的OLI图像融合方法刘炜王聪华杨晓波雒伟群(西藏民族学院信息工程学院，咸阳712082)摘要:以陕西省榆阳区2013年6月9日的Landsat8OLI图像为基础数据源，对比分析LBV-WaveletＲF等5种图像融合算法的使用效果。对图像预处理后，分别采用HIS变换、Brovey变换、HPF变换、PCA变换和LBV-WaveletＲF方法进行融合和SVM监督分类，然后从目视评价和定量评价两方面对比分析各种融合算法的使用效

2、果。在目视评价方面，判读融合前、后9种地类光谱特征的一致性;融合后图像是否具有全色波段图像的空间结构特征，是否存在细节模糊。在定量评价方面，采用灰度均值差、灰度均方根差评价融合后图像对多光谱信息的保持性能;采用相关系数均值、相关系数均方根差评价融合后图像对高空间分辨率信息的融入度;采用总体分类精度、Kappa系数评价融合前、后SVM监督分类精度差异。结果表明LBV-WaveletＲF方法能够使融合后图像在保持原多光谱图像光谱信息的同时，增强纹理结构特征，提高对细小地物的辨识能力;融合后图像SVM监督分类的总体分类精度和Kappa系数分别为84.01%和0.787，较原

3、多光谱图像分别提高13.45%和15.91%。关键词:黄土高原水蚀风蚀交错带OLI图像融合算法小波分解LBV变换中图分类号:TP753;F301.24文献标识码:A文章编号:1000-1298(2014)11-0264-08［1－3］接替换)将全色波段图像融入到多光谱图像中。引言使得融合后的多光谱图像较多地包含全色波段图像Landsat8OLI图像较之前Landsat7ETM+图的低频光谱信息，因而难以在改善清晰度的同时实像，在全色波段(波长500～680nm)去除了近红外现多光谱信息的高保真。光(波长680～900nm)，在可见光/近红外/短波红LBV变换通过对多光

4、谱图像的可见光/近红外谱段收窄了各单波段的波长范围，并且具有更高外/短波红外波段进行线性变换，生成3个物理意义［4］的辐射分辨率(12位灰度量化等级)和信噪比。通明确、互不相关的特征波段L、B、V，其中，L能够过将OLI图像的全色波段与同源的多光谱波段进行独立表达地物总辐射水平。利用小波变换的多尺度像元级融合，能够引入高频纹理结构信息，有效分解(分辨率)分解、分频和方向滤波特性，能够在不同多光谱图像像元(空间分辨率30m)，从而将其空间尺度下将全色波段和特征波段L图像的低频分量、分辨率提升至15m。这有利于在地形复杂地区降高频分量分离。其中全色波段图像的高频分量表达［

5、5－6］低分析、解译OLI图像的不确定性，改善OLI图像的图像的空间纹理结构特征，可以用来替换特征自动分类精度和专题制图的比例尺精度。波段L图像在对应尺度下的高频分量。对于融合后的遥感图像，要保持原多光谱图像黄土高原水蚀风蚀交错带(35°20'N～40°10'N，中各种地物的光谱特征，应当使具有高空间分辨率103°33'E～113°53'E)是我国典型的生态环境脆弱的全色波段图像的低频光谱信息尽量不被引入到融区，区内各种水蚀地貌(片蚀、沟道侵蚀、切沟侵蚀、合后的多光谱图像中;要增强图像的清晰度和纹理细沟侵蚀、洞穴侵蚀)和风蚀地貌(扬蚀、吹蚀、风沙细节表达能力、提高对细

6、小地物的可分性，则应当从流动堆积)全年相互并存、交替进行。准确分析、解全色波段图像中提取出表达图像空间纹理结构特征译该区的Landsat8OLI图像，可为该区开展环境变的高频分量替换原多光谱图像的高频分量。然而，化及生态效应研究提供可靠的遥感数据支撑。目常用的融合方法只对全色波段图像进行简单的滤波前，针对黄土高原水蚀风蚀交错带进行OLI图像融处理(HPF变换)，或者不予处理(Brovey变换、PCA合的研究尚不多见。为此，本文选择下垫面景观格变换、HIS变换)，仅通过相加、相乘的方法(或者直局复杂的陕西省榆阳区作为典型研究区域，提出结收稿日期:2014-05-18修回

7、日期:2014-07-29*国家自然科学基金资助项目(41361044、61162025)和西藏民族学院青年学人培育计划资助项目(13myQP09)作者简介:刘炜，讲师，主要从事土地遥感与GIS应用技术研究，E-mail:remote2009@126．com第11期刘炜等:基于LBV变换与小波变换的OLI图像融合方法265合LBV变换和小波变换的融合方法(LBV-Wavelet近红外波段与短波红外波段之间新设1个卷云波段ＲF)，对OLI图像进行像元级融合和自动分类实验，(OLI9)。③收窄原近红外波段的波长范围(OLI5)。并与常用的光谱域融合算法(